방법론·에이전트
운영 중2-AI 개발 방법론과 에이전트 운영
만드는 AI와 검사하는 AI를 나누고, 검증이 끝나지 않을 때 멈추는 규칙과 「통과」를 부풀리지 않는 기록 규칙을 킷으로 만들어 운영했다
1.5.0 → 1.12.0 · 방법론 킷 판 이력 2026-09 ~ 10, 배포 16파일 — 킷 회귀 878 PASS·0 FAIL은 Codex 응답 대역을 쓴 회귀 시험
AI 서비스 › 번역·문서 AI
사내 VOD 자막 다국어 번역 파이프라인
사내 강의 자막을 로컬 LLM 으로 영·일·중 번역해 등록하는 폐쇄망 파이프라인 — 구현 완료, 운영 이관은 기록 없음
구현 완료
핵심 수치.
실측
약 7,000 → 약 500 토큰
시스템 프롬프트 — 요약 주입을 4-key JSON 으로 정형화한 전후, Gemma 4 26B-A4B q8_0·Ollama, 2026-05 검증
실측
1분 55초 → 30~50초
호출당 LLM 처리 시간 — 구정책 sliding 대비 신정책 sliding, 같은 모델·환경, 2026-05 검증
개요
사내 VOD 강의의 한국어 자막(VTT)을 로컬 LLM(Gemma 4 26B)으로 영어·일본어·중국어로 번역하고 플랫폼 자막 API 로 등록해, 플레이어에 다국어 자막이 자동으로 뜨게 하는 파이프라인이다. 서버는 인터넷이 막혀 있어, 의존 패키지(wheel)를 함께 묶은 오프라인 배포본으로 설치하도록 했다. 트리거(배치·이벤트·수동)·대상 식별·저장 방식을 모두 구현해 두고 설정으로 조합하며, 상태는 DB 없이 파일로 관리한다.
본인 역할
PRD(엔진 + 운영 통합)와 실행계획(TDD·팀 에이전트·병렬)을 세웠고, 청킹 전략 4종을 비교한 뒤 2026-05 sliding 단독 전환을 결정했다. 한글 잔류 4카테고리 규칙과 후처리 2단 폴백을 설계했고, 이 과제에서 쓴 개발방법론 가이드를 「모든 신규 개발 프로젝트의 표준」으로 제정했다(2026-04). 구현은 실행계획에 적힌 팀 에이전트(AI 에이전트 병렬)가 했고, 참여 인원·세부 분담 기록은 없다.
핵심 판단
- 두 방식 병행을 버리고 sliding 만 남겼다. 두 방식을 모두 돌리자 영상 하나에 3시간 49분, 청크 폴백 26/72 가 나왔는데, 화면에 노출되는 것은 sliding 결과뿐이었다. summary 코드는 지우지 않고 기본값만 껐다.
- 한글 잔류는 예방과 보정 두 겹으로 막았다. 프롬프트 규칙(의태어·도메인 음역·외래어·약어)으로 예방하고, 남은 cue 는 후처리 LLM(RICH, 실패 시 SIMPLE)으로 고쳤다. 검증기는 한글이 5%를 넘으면 원본을 유지해 깨진 자막을 막는다.
화면과 구성도
결과
- 시스템 프롬프트 약 7,000 → 약 500 토큰(14배 축소), 호출 수 절반, 호출당 처리 1분 55초 → 30~50초(실측, 같은 모델·환경, 2026-05 검증).
- 영상당 3개 언어 VTT 를 산출하고, 개발서버용 오프라인 배포본을 만들었다.
- 이 과제의 청킹 전략 비교 보고서·스타일가이드가 이후 보고서 표준이 됐고, TDD + 팀 에이전트 방법론은 2-AI 방법론 킷으로 이어졌다.
한계와 다음 단계
- 번역 품질 자동 평가(BLEU 등)는 범위 밖이라 없고, 품질 검토는 영상 2건의 4개 언어 대조로 했다. 다시 한다면 최소 지표라도 넣는다.
- 운영 이관 여부는 기록이 없다. 배포 스냅샷이 여러 벌로 남았고 용어집 확장 절차가 정해지지 않았다.
기술
Python 3.11 · Ollama + Gemma 4 26B-A4B q8_0 · ThreadPool 언어 병렬 · WebVTT · systemd 데몬 · 파일 기반 상태(JSON) · 용어집(ko → en/ja/zh) · 오프라인 wheel 번들
관련 사례.